Ertas Agency 計劃（早鳥價 $69.50/月）：10 個客戶專案、5 個席位——值得嗎？
對 Ertas Agency 計劃的誠實評測。包含內容、適用對象、小型 AI 機構的 ROI 計算，以及何時升級到 Agency Pro。
Ertas Agency 計劃在早鳥期間為每月 69.50 美元（正常價格為每月 149 美元，預訂後終身鎖定）。它專為同時管理多個客戶微調專案的小型 AI 機構和顧問設計。
這是對計劃包含內容、適用對象、ROI 計算以及何時不夠的誠實分析。
Agency 包含什麼
每月 400 個積分。 比 Builder 的 100 個明顯更多。對於每月進行 8 到 10 個客戶重新訓練週期的機構，400 個積分提供充裕的空間（根據資料集大小和模型，每月大約 25 到 50 次訓練運行）。
10 個客戶標記的專案。 這是核心 Agency 功能。每個專案是隔離的：資料集、訓練運行、模型版本和 GGUF 匯出按客戶分離。你的客戶 A 的資料不能意外包含在客戶 B 的訓練中。每個專案在介面中都有自己的名稱（你的客戶名稱或專案識別符）。
5 個席位。 五名團隊成員可以以適合角色的許可權訪問 Agency 帳戶。典型小型機構使用：帳戶所有者 + 1 到 2 名開發人員 + 1 到 2 名運行評估或檢查訓練進度的帳戶管理員。
3 個並發訓練工作。 同時運行三個客戶模型，而非排隊。對於有重疊重新訓練計劃的 8 到 10 個客戶，這是按時交付和管理尷尬隊列之間的區別。
200 GB 存儲。 足以存放 30 到 40 個匯出的 GGUF 模型及其所有訓練資料集。7B Q4 GGUF 約 4 到 5 GB；14B Q4 GGUF 約 8 到 9 GB。
更高層級的 GPU。 Agency 客戶可以訪問更好的 GPU 硬體進行訓練，這意味著更快的訓練運行和處理更大資料集的能力。
資料集合成和批量評估。 與 Builder 相同——生成合成訓練資料、在測試集上運行批量評估、使用自動評估捕獲品質回歸。
按客戶架構
理解按客戶專案模型對於評估 Agency 是否適合你的工作流程很重要。
你的 10 個專案槽各代表一個客戶（或客戶內的一個主要使用案例）。在每個專案中：
- 存儲所有資料集版本（因此你可以從任何歷史快照重新訓練）
- 記錄所有帶參數和結果的訓練運行
- 所有匯出的 GGUF 文件可供下載
- 隨時間追蹤評估結果
LoRA 適配器模型意味著每個客戶的微調模型是共享基礎模型上的輕量級適配器（50 到 200 MB）。客戶共享基礎模型權重，但有完全獨立的適配器。這就是你如何以 10 個完整模型副本儲存成本的十分之一管理 10 個客戶模型。
Agency 適合誰
擁有 3 到 10 個活躍客戶微調專案的 AI 機構。 你為客戶交付自訂微調模型，管理持續的重新訓練週期，並需要專案隔離、團隊存取和並發工作槽。這正是 Agency 計劃的使用案例。
有並發客戶工作的自由 AI 顧問。 你獨立工作，但同時處理 4 到 6 個客戶。5 個席位讓你可以添加一名合約開發人員或助手。按客戶專案讓你的客戶工作保持乾淨。
為多個部門建立模型的小型內部 AI 團隊。 行銷模型、銷售模型、支持模型——每個都需要獨立的訓練資料和獨立的 GGUF 輸出。Agency 為你提供無交叉污染管理這些的結構。
ROI 計算
問題不是每月 69.50 美元是否昂貴——而是相對於它使你能夠計費的費用，它是否昂貴。
情景一：5 個客戶，每個每月 500 美元固定費
- 月收入：2,500 美元
- Agency 計劃費用：69.50 美元
- 計劃佔收入的比例：2.8%
- 每增加一個超過 1 個的客戶，計劃費用變得越來越微不足道
情景二：3 個客戶，每個每月 800 美元專案費
- 月收入：2,400 美元
- Agency 計劃費用：69.50 美元
- 計劃佔收入的比例：2.9%
情景三：10 個客戶，每個每月 300 美元固定費（僅模型維護）
- 月收入：3,000 美元
- Agency 計劃費用：69.50 美元
- 計劃佔收入的比例：2.3%
Agency 計劃只需一個支付 70 美元/月以上的客戶即可自付成本。任何擁有超過一個活躍微調客戶的機構都應該使用 Agency——問題不是是否，而是何時。
每個客戶實際需要什麼（以及 Agency 提供什麼）
| 客戶需求 | 涵蓋它的 Agency 功能 |
|---|---|
| 資料隱私（無跨客戶污染） | 按客戶隔離的專案 |
| 每月模型更新 | 400 個積分涵蓋每月約 30 到 40 次重新訓練 |
| 快速交付（無訓練隊列） | 3 個並發工作 |
| 團隊可以訪問客戶專案 | 5 個席位 |
| 客戶收到可部署的模型 | 每個專案的 GGUF 匯出 |
| 交付前的品質保證 | 批量評估、自動評估 |
| 歷史版本追蹤 | 每個專案的完整訓練運行歷史 |
與 DIY 基礎設施的成本比較
一些機構考慮建立自己的微調基礎設施，而非支付 Agency 費用。以下是誠實的比較：
| 成本組件 | DIY 基礎設施 | Ertas Agency |
|---|---|---|
| GPU 計算（10 個客戶 × 每月 1.5 次運行） | 每月約 45 到 90 美元（雲端 GPU） | 已包含 |
| 專案管理層（開發時間） | 每月 5 到 10 小時 @ 75 美元/小時 = 375 到 750 美元 | 已包含 |
| 資料集工具、評估管道 | 建立需要 10 小時以上，持續維護 | 已包含 |
| GGUF 轉換工具 | 設置需要 2 到 5 小時 | 已包含 |
| 團隊存取管理 | 自訂構建或不可能 | 已包含 |
| 有效總成本 | 每月 495 到 900 美元以上 | 每月 69.50 美元 |
對於有專職 ML 工程師的非常大的機構，DIY 可能有意義。對於小型機構和顧問，每月支付 69.50 美元用於本來需要花費數百美元開發者時間的基礎設施，是一個直接的決定。
Agency vs Agency Pro：何時升級
Agency Pro 為每月 169 美元（早鳥；正常為每月 349 美元）。升級解鎖：
- 30 個客戶專案（vs 10）
- 15 個席位（vs 5）
- 8 個並發工作（vs 3）
- 每月 1,000 個積分（vs 400）
- 白標 API（你的客戶可以通過你的品牌 API 端點呼叫模型）
- 無限資料集合成和評估
何時升級到 Agency Pro：
- 你有超過 10 個活躍客戶專案
- 你需要白標 API 交付（客戶呼叫你的品牌端點，而非 Ertas）
- 你的團隊超過 5 人
- 你一致地遇到 3 個並發工作的限制
何時留在 Agency：
- 你的活躍客戶不超過 10 個
- 你直接交付 GGUF 文件（不需要 API 端點）
- 你的團隊不超過 5 人
- 3 個並發工作足夠你的重新訓練計劃
早鳥鎖定
Agency 早鳥價每月 69.50 美元 vs 標準價每月 149 美元。
- 12 個月節省：948 美元
- 24 個月節省：1,896 美元
- 36 個月節省：2,844 美元
對於運營 3 年的 2 人機構，在早鳥鎖定和支付標準定價之間的差異接近 2,900 美元。這不是促銷語言——這是 53% 價格差異隨時間複利的算術。
預訂意味著按月計費、隨時取消、退款保證。終身價格鎖定在訂閱保持活躍的情況下適用。
如何知道你已準備好使用 Agency
如果你符合以下條件，你已準備好使用 Agency：
- 你有或預計有 3 個以上活躍的客戶微調專案
- 你需要超過一名團隊成員訪問平台
- 你作為付費服務的一部分提供微調模型
- 你向客戶收費用於涉及自訂模型的 AI 自動化工作
如果你只有 1 到 2 個專案且獨立工作，Builder（每月 14.50 美元）可能就足夠了。當客戶專案數量超過 3 個或需要團隊存取時，升級到 Agency 是合理的。
Ship AI that runs on your users' devices.
Ertas early bird pricing starts at $14.50/mo — locked in for life. Plans for builders and agencies.
延伸閱讀
- Ertas Builder Plan Review — 升級到 Agency 之前，Builder 計劃是否適合你？
- Agency AI Cost Reduction — 機構如何用微調本地模型降低 99% 以上的成本
- Manage Multiple Fine-Tuned Models — 多客戶模型管理的操作工作流程
- White-Label AI Platform for Agencies — 白標何時變得重要
- Recurring Revenue with Fine-Tuned Models — 圍繞模型維護建立固定收費收入
Ship AI that runs on your users' devices.
Early bird pricing starts at $14.50/mo — locked in for life. Plans for builders and agencies.
Keep reading
Ertas Builder Plan ($14.50/mo): Who It's For, What You Get, Honest Review
An honest breakdown of the Ertas Builder plan. What's included, who it's right for, when to upgrade, and how the early bird pricing compares to the API costs it replaces.
Discovery Call to Production Pipeline: The Ertas Engagement Model
The full Ertas engagement journey from initial discovery call through scoping, forward deployment, pipeline build, validation, and handoff to production.
Ertas vs Modal Labs: Which Is Better for Agencies Fine-Tuning Client Models?
Comparing Ertas and Modal Labs for AI agency fine-tuning workflows. Covers the GUI vs code divide, multi-client management, cost predictability, and GGUF deployment.